深度学习MLP多层感知机神经网络,充电了么,陈敬雷,一、课程优势 本课程有陈敬雷老师的清华大学出版社配套书籍教材 【自然语言处理原理与实战（人工智能科学与技术丛书）】 https://item.jd.com/13951851.html 和【分布式机器学习实战（人工智能科学与技术丛书）】，对应京东自营链接地址： https://item.jd.com/12743009.html 购买后加陈敬雷老师微信chenjinglei66领取课件代码资料！ 二、课程简介 神经网络在图像分类、语音识别、自然语言处理中已经取得了突破性的进展。深度神经网络通过众多的简单线性变换层次性的进行非线性变换对于数据中的复杂关系能够很好的进行拟合，即对数据特征进行的深层次的挖掘。神经网络从MLP，到CNN卷积神经网络、RNN循环神经网络、LSTM，以及Seq2Seq、GAN生成对抗网络、强化学习等，可做很多有趣的应用。 作为最典型的神经网络，多层感知机（MLP）结构简单且规则，并且在隐层设计的足够完善时，可以拟合任意连续函数，利用TensorFlow来实现MLP更加形象，使得使用者对要搭建的神经网络的结构有一个更加清醒的认识。 现在我们拿TensorFlow来实现MLP，解决图片分类的应用场景。 适用人群：适合技术开发人员、大学生等； 机器学习、深度学习TensorFlow开发者； 相关从业者或转行大数据和人工智能。